Ocena wartości Ocena wartości diagnostycznej testu diagnostycznej testu – obliczanie czułości, – obliczanie czułości, swoistości, wartości swoistości, wartości predykcyjnych testu. predykcyjnych testu.

Krzywe ROC.Krzywe ROC.

Anna Sepiołogr. B III OAM

Opracowanie zakresu wartości referencyjnych

Dobranie grupy kontrolnej reprezentatywnej dla danej populacji

Badanie próbek referencyjnych – otrzymujemy wartości referencyjne

Opracowanie statystyczne wyników Obliczanie górnej i dolnej wartości referencyjnej

– wyznaczenie przedziału referencyjnego zawierającego zwykle 95% wartości referencyjnych

ChorzyZdrowi

Zbiór wartości prawidłowych cechuje rozproszenie (dyspersja). Ponieważ przy przejściu od stanu zdrowia do stanu choroby najczęściej obserwuje się stopniowe zmiany wartości prawidłowych do nieprawidłowych rozgraniczenie wartości mierzonych na właściwe dla grupy chorych i grupy zdrowych musi mieć charakter umowny.

Wartość graniczna (wartość odcięcia) – kryterium rozdzielające wyniki prawidłowe od wyników uznanych za nieprawidłowe

Zawsze pewna ilość osób zdrowych będzie mieć wartości mierzonego parametru poza wartością graniczną

W grupie osób chorych pewna ilość badanych będzie mieć wartości mierzone poniżej wartości granicznej, a więc mieszczące się w zakresie referencyjnym

ChorzyZdrowi

TP=PD – wyniki prawdziwie dodadnie

TN=PU – wyniki prawdziwie ujemne

FP=FD – wyniki fałszywie dodatnie

FN=FU – wyniki fałszywie ujemne

Podstawowe parametry testu diagnostycznego

Czułość Specyficzność Wartości predykcyjne

Czułość diagnostyczna

Stosunek wyników prawdziwie dodatnich do sumy prawdziwie dodatnich i fałszywie ujemnych

Określa zdolność testu do wykrywania osób chorych

Odnosi się tylko do populacji osób chorych

%100

FUPD

PDczułość

Swoistość diagnostyczna

Stosunek wyników prawdziwie ujemnych do sumy prawdziwie ujemnych i fałszywie dodatnich

Określa zdolność testu do wykrywania osób zdrowych (poprawnego wykluczenia choroby)

Odnosi się tylko do populacji osób zdrowych

%100

FDPU

PUswoistość

Wartość predykcyjna dodatnia PPV

Stosunek wyników prawdziwie dodatnich do sumy wyników prawdziwie dodatnich i fałszywie dodatnich (wszystkich wyników dodatnich)

Proporcja osób rzeczywiście chorych wśród osób z dodatnim wynikiem testu

%100

FDPD

PDwartośćpredykcyjna

dodatnia

Prawdopodobieństwo, że osobnik miał chorobę mając pozytywny wynik testu

Jeśli więc badana osoba otrzymała pozytywny wynik testu, to PPV daje jej informację na ile może być pewna, że cierpi na daną chorobę

Wartość predykcyjna dodatnia PPV

Wartość predykcyjna ujemna NPV

Stosunek wyników prawdziwie ujemnych do sumy wyników prawdziwie ujemnych i fałszywie ujemnych (wszystkich wyników ujemnych)

Proporcja osób zdrowych wśród osób z ujemnym wynikiem testu

%100

FUPU

PUwartość

predykcyjnaujemna

Prawdopodobieństwo, że osobnik nie miał choroby mając negatywny wynik testu

Jeśli więc badana osoba otrzymała negatywny wynik testu, to NPV daje jej informację na ile może być pewna, że nie cierpi na daną chorobę

Wartość predykcyjna ujemna NPV

Wiarygodność testu

Stopień, w jakim wyniki badania odzwierciedlają rzeczywistość

Odsetek pacjentów prawidłowo zakwalifikowanych jako zdrowi lub jako chorzy

%100

FUFDPUPD

PUPDwiarygodność

Kryteria ustalania wartości decyzyjnej

Cel badania (przesiewowe, potwierdzające)

„strata społeczna” Częstość choroby w populacji

Przesunięcie punktu odcięcia w lewo

↑ czułość ↓ swoistość

Kiedy zależy nam na wykryciu wszystkich osób chorych, np. badania przesiewowe (np. wykrywanie fenyloketonurii).

Zdrowi Chorzy

Przesunięcie punktu odcięcia w prawo

↓ czułość ↑ swoistość

Kiedy zależy nam na wykluczeniu wszystkich osób zdrowych, np. jeśli trzeba zdecydować o bardzo inwazyjnym leczeniu.

Zdrowi Chorzy

Krzywe ROC

Potrzebny jest „złoty środek” aby dobrze zaklasyfikować chorych i zdrowych

Powinna być zbliżona liczba chorych i zdrowych

Zdrowi i chorzy powinni reprezentować populację, dla której wykonuje się oznaczenia

Krzywe ROC

ang. Receiver Operating Characteristic – krzywa charakterystyki operatora odbiornika

Zależność pomiędzy czułością a (1-swoistością)

Cel: ustalenie wartości decyzyjnej określonej przez konkretny punkt decyzyjny lub powierzchnię pod krzywą

Dla każdego z możliwych punktów odcięcia obliczamy czułość i specyficzność, a następnie zaznaczamy otrzymane wyniki na wykresie. Zaznaczamy je w układzie współrzędnych, gdzie na osi odciętych jest (1-swoistość), a na osi rzędnych czułość.

ChorzyZdrowi

Optymalnym punktem odcięcia jest punkt krzywej ROC znajdujący się najbliżej punktu o współrzędnych (0,1). Punkt o współrzędnych (0,1) to punkt o czułości równej 1 i swoistości równej 1.

Idealny kształt krzywej ROC

ChorzyZdrowi

Najgorszy kształt krzywej ROC

ChorzyZdrowi

Pole pod krzywą (AUC)Bardzo popularnym podejściem jest wyliczanie pola pod wykresem krzywej ROC, oznaczanego jako AUC (area under curve). Jest to wskaźnik mocy diagnostycznej testu. Wartość wskaźnika AUC przyjmuje wartości z przedziału [0,1]; im większa, tym lepszy model. Większość testów używanych w diagnostyce reprezentuje moc diagnostyczną wyrażającą się wielkościami AUC pomiędzy 0,8 i 0,95.

AUC

Wartość predykcyjna jest intuicyjnym wskaźnikiem wykonania testu, ale zależy od częstości występowania choroby.

Częstość występowania choroby w populacji stosuje się, aby uzmysłowić, że test nie będzie taki sam po zastosowaniu w rzeczywistej sytuacji klinicznej.

Wpływ częstości choroby na wartość diagnostyczną testu

Prevalence (częstość) – proporcja ludzi z chorobą w danej populacji w szczególnym momencie czasu.

Incidence (nowe przypadki) – liczba nowych przypadków choroby pojawiających się w danym okresie czasu (n/1000/rok).

Odds ratio (iloraz prawdopodobieństwa) – prawdopodobieństwo obecności danej choroby podzielone przez prawdopodobieństwo jej nieobecności.

Likehood ratio (iloraz wiarygodności) – prawdopodobieństwo pojawienia się danego wyniku (gdy choroba jest obecna) podzielone przez prawdopodobieństwo tego samego wyniku gdy nie ma choroby.

Dziękuję za uwagę